遥感图像分类方法综述作者：胡伟强 鹿艳晶来源：《中小企业管理与科技·下旬刊》2015年第08期
摘 要：对传统图像监督分类方法和非监督分类方法在遥感图像分类中的应用进行总结，对基于人工神经网络、模糊理论、小波分析、支持向量机等理论的新的遥感图像分类方法进行了介绍，并对遥感图像分类方法研究的发展趋势做了展望。
关键词：遥感图像；监督分类；分类精度
1 概述
遥感就是远离地表，借助于电磁波来收集、获取地表的地学、生物学、资源环境等过程和现象的科学技术。遥感技术系统由四部分组成：遥感平台、传感器、遥感数据接收及处理系统、分析系统。遥感数据就是用遥感器探测来自地表的电磁波，通过采样及量化后获得的数字化数据。
2 传统遥感图像分类方法
2.1 非监督分类方法
非监督分类方法也称为聚类分析。进行非监督分类时，不必对遥感图像影像地物获取先验类别知识，仅依靠遥感图像上不同类别地物光谱信息进行特征提取，根据图像本身的统计特征的差别来达到分类的目的。主要的算法有：K-均值聚类（K-means）算法和迭代自组织数据分析法（Iterative Self-organizing Data Analysis Techniques A， ISODATA）等。
2.2 监督分类方法
对于监督分类，训练区的选择要求有代表性，训练样本的选择要考虑到遥感图像的地物光谱特征，而且样本数目应能够满足分类的要求，否则，一旦样本数目超过一定的阈值时，分类器的精度便会下降。主要的算法有：最大似然分类（Maximum Likelihood classification， MLC）、最小距离分类、K-近邻分类等。
3 基于新理论的遥感图像分类方法
3.1 基于人工神经网络的遥感图像分类
本文来源：https://www.2haoxitong.net/k/doc/149b8786b9f67c1cfad6195f312b3169a451ea8e.html
文档为doc格式